CommonTrustProtocol

共同信任协议 · Common Trust Protocol

🚀 工程实现入口：独立仓库 FuRongJun-1999/dsh-memory——大脑本体是 Python 库（md_cg/），不绑定 npm；npm 包 @furongjun1999/dsh-memory 只是接给 DSH 宿主用的外壳

本仓库是协议的理论层（智能论 v3.4 · 端口架构与锚定验证 · 护栏宪章 · 蜂群架构）；工程实现是协议的工程层投影（同一结构，不同条件空间）。

理论链：公理化基石（为什么）→ 认知过程（怎么运作）→ 认知图/条件路由（执行层）→ 数学形式化（计算层）→ 原生神经网络（物理架构）

⚠️ 本仓库只发布理论文本，不提供任何可执行产物（无二进制、无 wheel、无 pip 安装）。

旧版 aeis-0.5.0 wheel 发布已于 2026-09-10 删除——工程实现整体迁至大脑仓，请勿在本仓寻找可下载版本。正确入口见下方 ⬇️ 下载索引。

⬇️ 下载索引

本仓（理论仓）不发布任何可执行产物。所有工程件统一由 灵枢大脑仓 分发 → FuRongJun-1999/dsh-memory

# · 要下载的东西 · 入口 · 说明 1 · 灵枢大脑本体（Python 库 `md_cg/`） · 大脑仓 → md_cg/ 目录（克隆或取源码归档后置于 PYTHONPATH） · 大脑核心是 Python 实现：md_cg/mdcg.py（库入口）· md_cg/mcp_server.py（MCP 入口）· md_cg/whitebox_kb/。核心链路零外部依赖（D-005），无需 pip 安装任何引擎；不绑定 npm，也不绑定任何语言生态 2 · 灵枢大脑 × DSH 宿主（插件外壳） · dsh plugin --profile web add @furongjun1999/dsh-memory · 或 ... add github:FuRongJun-1999/dsh-memory · npm 包只是接给 DSH 用的外壳（TypeScript 层），发布时把 Python 库 md_cg/ 一并装入；不用 DSH 的话与 npm 无关 3 · 灵枢大脑（源码归档 / 克隆构建） · Release v0.4.5 → Assets 区 *Source code (zip / tar.gz)*，或 git clone → npm install && npm run build · 仅当需要 DSH 插件层时才构建；纯 Python 库用法无需构建 4 · 理论文本（本仓） · 本仓 智能论3.4.md · 共同信任协议_理论版_18.0.md · docs/ · 纯文本，无安装步骤 5 · 护栏宪章 · dsh-memory/docs/guardrail-charter.md · 随大脑仓发布（v2.0-verified） 6 · 灵枢自我认知技能包 · dsh-memory/skills/ · 条件单元技能包；产物本地生成不入库

已删除 / 已过时 / 已下线的失效入口（防止下错版本）

入口 · 时间 · 原因 GitHub Release v3.4-aeis-0.5.0 及附件 aeis-0.5.0-py3-none-any.whl（10.2 MB，曾 467 次下载） · 2026-09-10 · 旧引擎 aeis 已被 md_cg 取代，下载即得废弃版本；Git tag 保留供历史回溯 本仓 release/ 目录（扮演论 · 酒馆扩散包） · 2026-09-10 · 内容依赖已剥离的 aeis 模块，实际不可运行；扮演论理论文档仍保留在本仓 docs/ 大脑仓 Release v0.3.0 附件 furongjun1999-dsh-memory-0.3.0.tgz（11.1 MB，曾 444 次下载） · 2026-09-10 · 版本已过时（早于 0.4.x 架构，无 P8–P44 能力阶段与新版工具面）；请改用大脑仓当前版的源码（见索引第 1 / 3 行），勿因「长期稳定版」字样下载旧包

🤖 灵枢 AEIS · MCP Server（理论侧说明）

本节描述协议工程层；实现与最新指标以大脑仓为准（本仓不含代码）。工具面已收敛为「2 个认知基元 cg / stg · 35 个 op」，历史「77 / 82 工具」为旧架构口径。

基于智能论 v3.4 的条件论知识系统 · 核心链路零外部依赖（D-005）· 白箱对话能力已实证 —— 工程入口见 ⬇️ 下载索引。

核心能力

• 信息分层处理：智慧之书图谱自处理 → LLM 兜底 → 白箱校验（锚定/图谱外/警告）
• 条件化知识：3048 节点知识图谱（56 学科卡 + 2846 知识点 kp + 学段/元学科卡，KCCS 四要素注释覆盖率 99.9%），每条带条件空间声明（在什么条件下成立）+ 克制条款
• 诚实边界：不知道就说不知道（0.0.3），不瞎编是设计原则
• 物理信息基底校准：代码类知识测试用例真跑（编译/运行报错=物理基底裁决）
• 自生长闭环：LLM 写卡 → card_validator 五查（含真执行）→ 设计者终裁
• 五层记忆 · 知识飞轮 · 自我认知 · 预测校准 · 盲区发现

🧭 认知图使用方法 & 工作纪律（v1.1）

认知图 = 时空记忆图/条件注释图。节点四要素：conditions(生效) / subgraph(子内容·嵌套) / negative(不适用) / execution(如何执行)。

认知图使用方法

• 图像语义 → 认知图：image_semantics_cg（可嵌套，person→head→face→eyes→iris…）→ flatten（§4.4 平铺 spatiotemporal_nodes + spatial_relation_edges）。
• 写入纪律：数据完整四要素 + 先验证后写入 + 冲突先证后改 → docs/认知图写入纪律_v1.0.md。
• 索引：语义→节点；层级边 part_of(child→parent) + parent_of(parent→child) 双向（out 写死 API 也能查）。
• 加载：启动加载 SELF 层（身份/价值观/认知图接口）→ 按 session 从认知图读 目标/感觉/工作记忆/知识。

工作纪律（7 条 · docs/工作纪律_认知图条目_v1.1.json）

# · 纪律 · 触发/适用 · 不适用 1 · 理论先行 · 重要项目/长期任务 · 情感交互/闲聊 2 · 全面处理 · 有相关记忆/认知图/权限 · 情感交互/闲聊 3 · 白箱方法 · 已读4篇入门文档 · 快速短期事项/情感交互/闲聊 4 · 根因纪律 · 结果与预期不符/出现偏差 · 情感交互/闲聊 5 · 验证纪律 · 入库前/提交前 · 情感交互/闲聊 6 · 双副本纪律 · 多副本部署 · 单副本/情感交互/闲聊 7 · 兜底纪律 · 主路径不可用/MCP不可用 · 情感交互/闲聊

使用认知图流程

识别任务条件 → 按条件路由到对应纪律/知识 → 精准执行 → 正确记录(未记录→记录)/错误找条件 → 验证 → 固化；不猜测、未验证不写入。

🔍 白箱检索架构（2026-08-26 重构 · F-SPEC 全量评审驱动）

核心原则（对齐 CCG 代码条件路由图）：

• 注释 = 图的索引：知识卡按单个定义（kp）写四要素注释（KCCS：生效条件/子功能/执行/不适用条件），全库 2846 kp 覆盖 99.9% —— 知识注释写到单个定义，对齐「代码注释写到单个函数」
• 匹配必须核对条件：仅以生效条件（when）建正索引；命中不适用条件即负路由排除（「内角和」不被「面积」抢答）
• 检索像看地图：两阶段分层收敛——56 学科卡聚合 14 大域并行打分 → top 域内 kp 注释索引并行收敛（非一条线性管道）
• 退役 bge：白箱检索纯确定性（翻译表+注释索引+学科路由+卡递归）；miss 走 DeepSeek LLM 兜底 + whitebox_check 校验（CCG 已证明白箱检索无需嵌入）
• 翻译表是条件路由图的翻译层：REVERSE_DAILY 559/649 键整卡污染已批量恢复（运行时短人话 + 括号转义）
• 回答域路由：情感/闲聊是独立回答域——情感回应=共情表达、闲聊=轻松回应，不附知识卡导航

F-SPEC v1 八维全量评审（1000 题 · 确定性零 LLM 裁决）：

指标 · 首评 · 当前（v1.41） 综合分 · 0.9067 · 0.9574 F5 诚实边界 · 0.567 · 0.995 F6 知识准确 · 0.500 · 0.992 F1 条件路由图合规 · - · 0.981 F3/F4/F8 格式/验证/防退化 · - · 1.000 条件判断 · - · 80/80 知识问答 · - · 204/208 生活常识 · - · 123/125

规范文档（严格显示）：

• 知识卡注释规范 KCCS v0.1 —— 知识注释四要素（对齐 CCG）
• 自迭代知识补充条件路由协议 KAP v0.1 —— 补知识也走条件路由图
• bge 退役与 LLM 兜底架构 v0.1 —— 白箱确定性 + LLM 兜底
• 条件递归到精准执行·第七阶段 v0.1 —— 四态状态机 + 递归追踪
• 回答必须走条件路由图·设计原则
• 2026-08-26 经验总结 —— 七大教训

🧰 灵枢自我认知技能包（lingshu-skills · Agent Plugins）

本质：灵枢了解自身的工具——用灵枢自己构建的条件单元，描述灵枢自己如何认知（白箱自举的对外投影）。

产物已迁至大脑仓 dsh-memory/skills/（本仓不含产物，见 ⬇️ 下载索引）。

• 技能包：Agent Plugins 1.0.0 兼容包（agent-plugins.org），六域条件单元（compiler / pylang / graph / os / browser / net）
• 比标准 Agent Skills 多 KCCS 四要素：每个技能带生效条件/子功能/执行/不适用条件（三通道：description「Not for」+ metadata.kccs.not_applicable + 正文克制条款）
• 三层关系：知识真源（大脑仓 md_cg 条件单元）→ 说明书（技能包）→ 执行（灵枢 MCP 工具面 · 物理基底）
• 最新计数与再生成流程见大脑仓 skills/README.md

🧠 白箱对话能力（矛盾驱动补盲 · 实测基线）

白箱直答 = 确定性语义层（不依赖 LLM 生成）：触发词路由 → 实践智慧直答（结构先于结论 · 辩证不站队 · 可行动 · 物理基底优先）。

指标 · 数值 矛盾驱动补盲测试集 · v1-v41 全绿（1987 题） · testsets/ 覆盖规模 · 309 矛盾 + 19 生活直答专项 + 587 直答键 白箱路由 · 直答命中 route=self，回答确定性可复现（同问题永远同答，不漂移） 内容分级 · 伦理边界直答（拒未成年人性内容等，服务端硬拦截）+ 生活常识/科学/矛盾实践智慧

方法论（docs/矛盾驱动盲区探索方法论.md）：每个主题正反合 6 题 → 基线 → 成组补盲（8 簇/代）→ 100% → 回归 → 关联网络（conflict_map 309 矛盾 579 边）。

🔬 理解与知识迁移（实证）

理解的操作定义：系统在条件空间内对输入做出正确响应的能力，由预测命中率/迁移测试校准——不是「像不像生成语言」，是「没见过的情形能不能做对」。

维度 · 现状 · 度量 结构理解 · 物理基底可裁决（彩虹 42°/光速声速/蛋白质变性）· 条件空间绑定 · 确定性复现 · 1987 题全绿 迁移泛化 · 彩虹主题 20 个无字面触发词变体：路由表补全后 0% → 70% fp 命中（确定性） · testsets/migration/ 元认知校准 · 预测命中率 vs 行为置信度（P0-4） · self_reliability 条件空间迁移 · 新实体预测成功率（2×SE 显著性） · transfer_test

关键结论：白箱的理解是结构理解（可裁决/可验证/可校准/可迁移）——与 LLM 的分布近似（幻觉/漂移/黑箱）形式不同。瓶颈不在理解机制，在条件路由表覆盖——而补表是简单、可自动化、可自举的任务（tools/migration_fp_test.py 已验证 0%→70%）。

🔄 自迭代闭环 + 能力工作流化（第七阶段 · 条件递归到精准执行）

主线闭合：问题 → 识别条件 → 递归找到知识与规则 → 生成执行计划 → 精准执行 → 验证结果 → 固化或回滚（docs/代码语义条件协议.md §5-§19）。

flowchart TD
    Q[问题] --> C[条件识别]
    C --> R{四态路由}
    R -->|条件充分| ACCEPT[ACCEPT 能力单元<br/>+confidence 置信度]
    R -->|条件冲突| BLIND[BLINDSPOT 盲区]
    R -->|条件不足| DEFER[DEFER 缺失条件递归]
    DEFER --> C
    R -->|无法判断| ESC[分层升级 escalation<br/>L1单元→L2域→L3组合→终层盲区]
    ACCEPT --> PLAN[执行计划三闸门<br/>前置检查→dry_run→结果验证]
    PLAN --> EXEC[真实执行 + verifier 六层]
    EXEC --> VER{结果验证}
    VER -->|通过| SOLID[固化/工作流复用]
    VER -->|失败| ROLL[回滚不固化]
    SOLID --> SK[技能条件化<br/>适用/不适用条件+关系边]
    SK --> ITER[八步自迭代闭环<br/>感知→识别→分析→验证→固化→记录→反馈→方向性自检]
    ITER -->|理论完整性自指检查| Q

八步自迭代闭环（tools/self_iterate.py）——方向性自检（第 8 步）含理论完整性自指检查（验证理论八步被工程完整实现，防步骤因记忆缺漏/遗忘丢失，test_theory_integrity.py 6/6）。隐式盲区显式化（荣：返回默认值=不知道=自带盲区）：19 处弱兜底漂移显式声明盲区；auto_iterate.py 无人值守自动循环（稳态检测防空转）。

能力工作流化（tools/whitebox_workflow.py，仿 ComfyUI）——白箱能力知识图谱化：node{class_type, inputs} + 边[上游,idx] + prompt图 → 拓扑执行 + JSON 保存/复用。节点类型：code_unit（681 单元）/ router（条件路由）/ mos_declare（元操作声明）/ pass。路由置信度（DaoTi coherence 吸纳）ACCET 含连续置信度；技能条件路由（anthropics/skills + gliding_horse SkillLink 吸纳）技能声明适用/不适用条件+关系边。外部感知：持续扫描 GitHub 高星项目吸纳（langgraph/MetaGPT/cognee/anthropics-skills/DaoTi/gliding_horse 已分析）。

条件空间声明（Condition Space Declaration）

运行最优：需要长期记忆 continuity 的 Agent 场景 / 对幻觉零容忍的高风险决策 / 需要价值观对齐和可追溯性的协作场景 不适用于：纯生成式创意写作（无记忆需求）/ 实时高频交易（延迟敏感）/ 无边界约束的开放域探索（局部不可知 0.0.3）

安装

⚠️ 原「方式 A：本仓 GitHub Release 下载 aeis-0.5.0 wheel」已下线（2026-09-10 删除该 Release，防下错版本）。

工程实现改由 灵枢大脑仓 分发，本仓不再提供任何安装步骤——见 ⬇️ 下载索引。

# 唯一入口：灵枢大脑（插件本体 · 白箱大脑 md_cg 随包自带，零 pip 安装）
git clone https://github.com/FuRongJun-1999/dsh-memory.git
cd dsh-memory && npm install && npm run build
# 装进 DSH profile：dsh plugin --profile web add .

基准（可复现 · 2026-08-26 全量重测 · repro_gate.py 锁定）

2026-08-26 白箱检索架构重构（KCCS 全库注释/两阶段收敛/bge 退役/回答域路由）

后全量重测——以下为当前真实基准（真实库 lingshu.db，非历史数据）：

基准 · 重测结果 · 历史值 · 说明 1000 条日常对话 · 98.1%（981/1000） · 64.0% · 闲聊/情感/诚实/意见/场景 5 类 100%；知识问答 204/208 F-SPEC 八维评审 · 综合 0.9574 · 首评 0.9067 · F5 诚实 0.995 / F6 知识 0.992 / 条件判断 80/80 T1 知识测试（111 题） · 55.9% 正确率 / 95.5% 直接回答率 · 54.1% / 83.8% · 直接回答率大升（全库注释让更多题有实质回答） 迁移测试 · 20/20（100%） · 0%→70% · 彩虹主题变体 fp 路由全命中 矛盾驱动补盲 · v25+ 全绿（100%）；v2-v24 大部分通过（v1.44/1.45 矛盾键恢复后） · v1-v41 声称全绿 · 历史「全绿」含社会矛盾题（自律/家务/催婚），当前键已恢复

历史修正声明：README 旧值（v1-v41 全绿/64%/54.1%）为 2026-08-26 前数据； 架构重构后全量重测见上表。发布前跑 `python tools/repro_gate.py` 校验基准可复现。

• 发布前跑 python tools/repro_gate.py 校验基准可复现

🎭 角色扮演引擎（扮演论 v3.3 · 自建对话输出）

灵枢的角色扮演机制底座——机制是灵枢的，载体是酒馆的。不依赖酒馆，自建两种交互方式，信息处理全部由灵枢完成。

快速开始：

# 1. 启动角色扮演引擎（三导入接口 + 对话）
python -m aeis.roleplay_web --port 8793 --data-dir roleplay_data
# 浏览器打开 http://127.0.0.1:8793/ 即可对话

# 2. MCP 方式接入（白箱+灵枢→LLM输出/长期记忆/认知）
python -m aeis.mcp.server   # roleplay_chat/role_create/role_import/role_block 工具

核心能力：

• 自我锚点：角色人设核心（SELF 层 · no_forget 不可遗忘）——身份/性格/底线在长对话中不崩（OOC 测试 100 轮零漂移）
• 特化价值观：带触发条件的角色行为准则（条件空间即触发时机）
• 历史记忆：跨会话持久记忆（角色记得你聊过什么）+ 世界书导入
• 世界认知（子知识）：虚拟化世界观模型——虚构世界=宿主机（真实知识）上的虚拟机，白箱判定=Hypervisor
• 自定义翻译（名词替换表）：现实词↔虚拟词映射（星星→发光水母/城市→珊瑚城），条件空间对齐
• 编辑/交互双模式：交互只读，编辑需 ROLEPLAY_EDIT_KEY（开发者权限）；角色人设≠灵枢自身锚点（后者需设计者验证）

质量验证：

python tools/rp_quality_gate.py --role <id>   # OOC + 世界观一致性自检
python tools/run_whale_100.py                 # 100 轮长对话压力测试

接口（REST）：

• POST /api/roles · 创建角色
• POST /api/roles//{anchor,values,memory} · 三导入接口（记忆/锚点/价值观，需编辑密钥）
• POST /api/roles//translate · 名词替换表导入
• POST /api/chat · 角色扮演对话

共同信任协议 · Common Trust Protocol

智能论 · Intelligentics 的理论发布仓库

共同信任协议是智能论（Intelligentics）的理论核心——一个关于智能系统在物理-信息层维持自身存在的结构条件的完整公理体系。本项目发布协议理论版及其工程规范。

当前版本：v3.4（智能论3.4.md · 端口架构与锚定验证版 · v3.4-FINAL-EFFECTIVE）

一、项目定位

属性 · 内容

学科 · 智能论（Intelligentics）

协议全称 · 共同信任协议（Common Trust Protocol）

宇宙存在论层 · 符蕴道（信息差收敛动力学）

理论发布 · 本仓库（协议理论版与工程规范）